Estimación de la función de confiabilidad usando remuestreo Jackknife y transformaciones

Abstract

Para la fiabilidad de sistemas uno de los objetivos principales es estimar la función de confiabilidad usando los estimadores de Kaplan-Meier y Nelson-Aalen, bajo el enfoque no paramétrico. Cuando se recurren a técnicas computacionales, la estrategia de Jackknife delete-I brinda ventajas por sus propiedades de consistencia para la estimación de la varianza. Sin embargo, se tiene incertidumbre sobre la posibilidad de mejorar las estimaciones cuando se aumenta el número (d) de observaciones que son suprimidas en el procedimiento secuencial de Jackknife delete-d. Por otra parte, por sus propiedades asintóticas de estabilización de la varianza, las trans- formaciones log y log(-log) son usadas para encontrar intervalos de confianza (ic) para la función de confiabilidad. En este trabajo, se propone combinar simultáneamente las dos estrategias para encontrar los ic para la función de confiabilidad, proponiendo un nuevo procedimiento que no requiere de ajuste paramétrico en el tiempo de ocurrencia del evento de interés. Además de mejorar la estimación de la función de confiabilidad cuando los porcentajes de censura son altos y los tamaños de muestra pequeños. En la investigación se realiza una comparación vía simulación con tamaños de muestras (10,25,50) y porcentajes de datos censurados (0%,15%,50%) para calcular las tasas de error (T.E) e índices de calidad (I), mejorando las estimaciones con porcentajes de censura altos (50%). Los resultados de este trabajo muestran que se puede mejorar la estimación por intervalo en escenarios complejos de censuras y tamaños de muestra a la literatura del análisis de datos en confiabilidad.